基于張量表示的人臉表情識別算法研究.pdf

1、表情是人類用來表達(dá)情緒的一種基本方式，是非語言交流的重要組成部分，近些年隨著自然人機(jī)交互和智能機(jī)器人的發(fā)展，計算機(jī)自動人臉表情識別技術(shù)受到越來越多的關(guān)注。本文主要基于圖像數(shù)據(jù)的張量表示和分解技術(shù)，并結(jié)合圖保持的流形學(xué)習(xí)方法，研究表觀人臉表情圖像的特征提取，并最終用于表情識別。論文的主要創(chuàng)新點包括:
　　1.抽象出張量子空間模型，在此基礎(chǔ)上對傳統(tǒng)張量算法中的張量投影進(jìn)行正交化的改進(jìn)，提出正交張量流形學(xué)習(xí)算法，取得了更好的識別效果，并

2、從理論上給出了解釋。
　　1)通過對大量基于“張量-張量”映射的降維算法的分析，提出統(tǒng)一的張量子空間模型，其中詳細(xì)定義了張量子空間的基（基張量）、投影和重構(gòu)等概念。該模型是向量子空間模型的自然擴(kuò)展，使我們能夠以一個新的視角看待張量降維問題。根據(jù)該模型，向量降維算法中的一些概念或性質(zhì)可以很自然地被引入到張量算法中（如正交性，非負(fù)性，稀疏性等），從而提高相應(yīng)張量算法的性能。
　　2)在張量子空間模型基礎(chǔ)上，研究了張量投影的正交化

3、，并對已有的張量流形學(xué)習(xí)算法進(jìn)行正交化的改進(jìn)，分別提出正交張量鄰域保持嵌入算法(OTNPE)和正交張量邊界費舍爾分析算法(OTMFA)。理論分析和實驗結(jié)果表明，投影正交化能夠使傳統(tǒng)的張量流形學(xué)習(xí)算法更好地保持人臉表情的流形結(jié)構(gòu)，從而改善了人臉表情的表征和識別效果。
　　2.將張量秩一分解技術(shù)與圖保持的流形學(xué)習(xí)準(zhǔn)則結(jié)合，提出張量秩一差分圖保持分析算法(TR1DGPA)。TR1DGPA中首先構(gòu)造一個體現(xiàn)兩兩類間鑒別性的判罰圖，同時根據(jù)

4、局部線性嵌入算法(LLE)構(gòu)造內(nèi)類的近鄰圖，并以差的形式將二者結(jié)合形成差分圖保持目標(biāo)，然后在此目標(biāo)下將每個張量樣本分解為一組共同秩一張量的加權(quán)線性組合，其權(quán)重系數(shù)構(gòu)成該樣本的低維特征。TR1 DGPA具有如下特性:(1)保持張量樣本內(nèi)部的空間排列信息;(2)保持樣本類內(nèi)的局部流形;(3)加強樣本兩兩類間的鑒別性。該算法能夠很好地收斂，而且相比“張量-張量”映射的降維算法和向量降維算法具有更小的計算復(fù)雜度。通過實驗發(fā)現(xiàn)，相比以前的一些相關(guān)

5、算法，TR1DGPA對于表觀人臉表情的識別更加有效。
　　3.提出正交的張量秩一差分圖保持投影算法(OTR1DGPP)。OTR1DGPP目的是在差分圖保持目標(biāo)下，依據(jù)求張量秩一分解原則求解一組正交化的基張量用于投影。算法中給出了一個全新的正交化方案，該方案相比之前類似的算法具有更大的靈活性，而且能夠很好地收斂。實驗表明，與以前的一些正交化算法相比較，OTR1DGPP對人臉表情的識別能取得更好的結(jié)果。
　　4.將非負(fù)張量分解(

6、NTF)技術(shù)與圖保持的流形學(xué)習(xí)準(zhǔn)則結(jié)合，提出鑒別的鄰域保持非負(fù)張量分解算法(DNPNTF)。NTF能夠?qū)⒎秦?fù)張量樣本集分解為一組非負(fù)基張量和權(quán)重系數(shù)的線性組合，然而NTF是基于重構(gòu)最優(yōu)的，并沒有考慮原始樣本集的流形結(jié)構(gòu)和鑒別信息。DNPNTF算法在NTF的基礎(chǔ)上增加了圖保持約束，使求出的非負(fù)基張量能夠同時保持樣本集同類內(nèi)的局部流形和不同類間的分離性。在求解過程中采用梯度下降法，并構(gòu)造出乘法更新規(guī)則，保證解的非負(fù)性。另外詳細(xì)證明了算法的收